[发明专利]一种印章识别方法和装置以及设备有效

专利信息
申请号: 201910515734.6 申请日: 2019-06-14
公开(公告)号: CN110210503B 公开(公告)日: 2021-01-01
发明(设计)人: 赵毅峰;宋禹廷;曾志胤;曾建晟 申请(专利权)人: 厦门历思科技服务有限公司
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62;G06T5/30;G06N3/04
代理公司: 厦门原创专利事务所(普通合伙) 35101 代理人: 徐东峰
地址: 361006 福建省厦门市中国(福建)*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 印章 识别 方法 装置 以及 设备
【说明书】:

发明公开了一种印章识别方法和装置以及设备。其中,所述方法包括:将经图像的腐蚀或膨胀运算后的所有印章数字图像重新两两组合形成同向样本对和反向样本对,输入深度孪生网络进行参数训练,和采用对比损失函数作为该进行参数训练的深度孪生网络的损失函数,和将该进行参数训练的训练样本划分成不同大小的梯度下降,在不同的梯度下降上利用随机梯度下降法训练深度孪生网络,完成对深度孪生网络的训练,以及根据该完成训练的深度孪生网络,对印章进行识别。通过上述方式,能够实现在缺少足够可利用的印章训练样本的情况下,能够将机器学习方式应用于印章识别中,提高了印章识别的识别率。

技术领域

本发明涉及印章识别技术领域,尤其涉及一种印章识别方法和装置以及设备。

背景技术

随着经济的迅猛发展,企事业单位之间、个体和单位之间的票据往来迅速增长,犯罪分子伪造印章获取高额利润的案例也随之日益增多,由于缺乏对印章的有效识别,使得犯罪分子进行商业诈骗谋取暴利的行为得以实现,给社会带来极大损失。早期的人工折角识别印章真伪的方式无论是在检测速度上还是检测精度上都已经无法满足要求,而且识别过程中具有强烈的主观因素。

为了提高印章识别成效,预防与减少印章身份犯罪对个体和社会的巨额损失,采用机器视觉技术准确识别印章已成为迫切需要解决的问题。快速准确地识别印章真伪对于个人、社会团体、单位具有重大的现实意义,也成为社会稳定发展的迫切需求。

目前,传统机器学习通常有两个基本假设,即训练样本与测试样本满足独立同分布的假设和必须有足够可利用的训练样本假设。而印章识别中,由于缺少足够可利用的训练样本,因此很难将传统的机器学习方法应用于印章识别中。

但是,发明人发现现有技术中至少存在如下问题:

现有的印章识别方案,由于缺少足够可利用的印章训练样本,很难将机器学习方式应用于印章识别中。

发明内容

有鉴于此,本发明的目的在于提出一种印章识别方法和装置以及设备,能够实现在缺少足够可利用的印章训练样本的情况下,能够将机器学习方式应用于印章识别中,提高了印章识别的识别率。

根据本发明的一个方面,提供一种印章识别方法,包括:

利用数字扫描设备对企业的预留印鉴卡进行扫描,获得同一企业的不同预留印章数字图像;

将所述获得的同一企业的不同预留印章数字图像的样本集进行分类,并进行标定,形成训练样本;

利用尺度不变特征转换算法,以基准印章样本为标准,对每个企业的印章进行旋转,平移,移位变换后,形成新的印章,并对所述形成的新的印章进行两两组合形成同向样本对和反向样本对分类;

对所述形成的训练样本和所述形成的新的印章进行两两组合形成同向样本对和反向样本对分类进行图像的腐蚀或膨胀运算,以模拟盖章时墨浓淡的情况,并对所述经图像的腐蚀或膨胀运算后的所有印章数字图像重新两两组合形成同向样本对和反向样本对;

将所述经图像的腐蚀或膨胀运算后的所有印章数字图像重新两两组合形成同向样本对和反向样本对,输入深度孪生网络进行参数训练;

采用对比损失函数作为所述进行参数训练的深度孪生网络的损失函数;

将所述进行参数训练的训练样本划分成不同大小的梯度下降,在不同的梯度下降上利用随机梯度下降法训练深度孪生网络,完成对深度孪生网络的训练;

根据所述完成训练的深度孪生网络,对印章进行识别。

其中,所述将所述获得的同一企业的不同预留印章数字图像的样本集进行分类,包括:

将同一企业的不同预留印章数字图像中的其中一个数字图像做为数字图像基准印章样本;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门历思科技服务有限公司,未经厦门历思科技服务有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910515734.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top